从 RGBD 图像重建表面网格
Patrick Cozzi CIS 565 的最终项目,2013 年秋季
点击观看视频
笔记:
该项目需要支持 CUDA 的显卡,以及 Boost、OpenNI 和 Xbox Kinect 才能运行现场演示。
背景:
以前的工作已经证明了 RGBD 相机的多种功能,从生成高度准确的 3D 表面模型到可靠的 3D 姿态估计。 然而,许多算法试图将生成的环境存储为 RGB 3D 点云,这不容易适应动态环境,需要非常大量的内存来存储大型环境,并且无法提供对不同物体的更高感知过程的直觉体积近似。 其他方法已经能够更有效地存储和合并表面数据,但仍然将环境视为一个统一的整体而不是离散的对象。 通过以三角形网格的形式从 RGB-D 中提取有意义的几何图形,可以实现许多优点。
存储效率高
自然的低级对象分割
易于操作、修改和实时渲染
高效且易于处理的几何直觉,高级认知